[发明专利]一种面向瞬态噪声抑制的实时语音增强方法

说明书

本发明公开了一种面向瞬态噪声抑制的实时语音增强方法，包括步骤：采用分位噪声估计法来获得稳态噪声谱；利用基于信号重心的方法检测瞬态噪声，并根据是否存在瞬态噪声来修正稳态噪声谱；结合语音特征和谐波分析来估计语音存在概率；在语音概率估计的基础上，计算信号增益并作用于含噪语音，从而实现语音增强。本发明提出的方法，能够对瞬态噪声进行有效抑制，在综合语音增强性能和实时性指标方面，明显优于其它经典的语音增强方法。

技术领域

本发明涉及语音增强技术领域，特别是涉及一种面向瞬态噪声抑制的实时语音增强方法。

背景技术

语音增强算法研究一直是语音领域的热门方向，早期的单通道语音增强算法主要研究如何从含噪语音中有效估计噪声谱，从而对其进行抑制。近年来，随着深度学习的概念的提出，以及在语音识别领域的成功应用，使得基于监督学习的语音增强算法开始体现价值。DNN网络，CNN网络，LSTM网络，GAN网络等都被用来实现语音增强。这些监督学习模型在充分训练的情况下，体现了比传统增强方法优越的性能。

但是，由于存在数据标注和采集上的困难，以及模型复杂度高等问题，目前基于监督学习算法的语音增强实际应用较少。经典算法的应用依然比较广泛。谱减法是最早出现的降噪算法，其一般需要先对带噪语音进行语音端点的检测，在不含语音的静音段使用噪声估计算法得到噪声的功率谱然后进行谱减处理。但是如果对噪声功率谱欠估计，则有可能引入新的音乐噪声，而过估计则会造成语音有效信息的丢失，引起失真。而维纳滤波方法增强后的残留噪声类似于高斯白噪声，对人的听感而言要优于谱减法，但是增强后的语音失真问题仍然存在。上世纪八十年代，Ephraim等人根据贝叶斯准则推导出了最小均方误差(Minimum Mean Square Error，MMSE)估计器公式，此算法具有最优幅度谱估计，因为尽可能的保证了语音不失真。后来，根据频谱幅度的对数值是和耳朵对声音的响度感知成正比这一特点，他们再次提出了基于对数幅度谱估(Log-Spectral Amplitude，LSA)的MMSE方法。此外，Chen和Loizou又提出了最小控制的迭代平均的(Minima Controlled RecursiveAveraging，MCRA)噪声估计算法和基于最优化修正对数谱幅度估计(optimal-modifiedlog-spectral amplitude，OM-LSA)的估计器。这些算法主要研究加性背景噪声，并基于噪声和纯净语音间的复杂的统计特性进行设计，通常需要假设噪声信号是相对平稳的或变化很缓慢。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供了一种面向瞬态噪声抑制的实时语音增强方法，该方法采用分位噪声估计法来获得稳态噪声谱，基于信号重心检测瞬态噪声，并根据是否存在瞬态噪声来修正稳态噪声谱；并结合语音特征和谐波分析来估计语音存在概率；最后，在语音概率估计的基础上，计算信号增益并作用于含噪语音，能够更好地实现语音增强。

技术方案：为实现上述目的，本发明采用如下技术方案：

一种面向瞬态噪声抑制的实时语音增强方法，其特征在于，包括以下步骤：

步骤1)、对含噪语音进行分帧和加窗预处理，求出幅度谱；

步骤2)、采用分位噪声估计法获得稳态噪声谱；

步骤3)、采用基于信号重心检测法来获得瞬态噪声，并根据是否存在瞬态噪声来修正稳态噪声谱；

步骤4)、采用基于语音特征的方法估计语音存在概率一；

步骤5)、采用谐波分析的方法估计语音存在概率二；

步骤6)、综合步骤5)和步骤6)获得的两个语音存在概率，计算增益，并进行语音增强。

作为优选，所述的步骤2)中分位噪声估计方法的步骤包括

步骤2.1)、根据幅度谱上各频点的分位数，引入最大抑制值，计算噪声信号抑制因子；